典型高原坡耕地的UAV重复观测3D检测精度实证分析_高莎.pdf

第 卷，第期 光谱学与光谱分析 ，年月 ，典型高原坡耕地的 重复观测 检测精度实证分析高莎，甘淑，袁希平，胡琳，毕瑞，李绕波，罗为东昆明理工大学国土资源工程学院，云南 昆明 云南省高校高原山地空间信息测绘技术应用工程研究中心，云南 昆明 滇西应用技术大学云南省高校山地实景点云数据处理及应用重点实验室，云南 大理 摘要随着低空无人机（，）技术的快速发展，搭载光学传感器的小型消费级无人机可快速、灵活地获取目标对象的高分辨率影像数据，在地学各领域中呈现出广阔的应用前景。（）作为成像 立体构建的最新技术方法，是深化低空无人机技术地学领域研究的核心技术，但目前对于运用 方法获取数据综合精度的研究不足，影响了该技术进一步的推广应用。针对 消费级无人机是否具有应用于滇中高原山地浅层地表变化检测的可能性问题，选择了东川红土地典型坡耕地为试验区，采用相同航高重复飞行规划方案，并运用 关键技术处理获取同一测区重复的 与 数据。为了评价分析针对典型坡耕地的重复观测的测量精度，特别对实验区中的裸露坡耕地和有作物生长的坡耕地，分别采用基于剖面线的 离散点抽样和基于窗口面的 点集抽样方法，开展了对重复观测坡耕地的 点位精度评价。点位精度分析表明：基于剖面线的 离散点抽样及精度分析，坡耕地平面点位精度误差均值为 ，点位误差精度为 ；坡耕地平面点位精度误差均值为 ，点位误差精度为 。基于窗口面的 点集抽样及精度分析，坡耕地平面点位精度误差均值为 ，点位误差精度为 ；坡耕地平面点位精度误差均值为 ，点位误差精度为 。综合分析得出，基于剖面线单点抽样评价精度结果整体好于基于窗口的 点集抽样评价精度，但总体上平面精度与垂直精度均能够达到厘米级。实验对比分析研究得出，不同地表粗糙度对重复观测精度存在影响，地表粗糙度大的 点位误差比粗糙度小的点位误差大。该研究成果可以为基于无人机与 方法的地貌数据采集与三维重建的精度控制和采集方案设置提供定量参考。关键词；点位误差；精度分析中图分类号：文献标识码：（）收稿日期：，修订日期：基金项目：国家自然科学基金项目（）资助作者简介：高莎，女，年生，昆明理工大学国土资源工程学院博士研究生 ：通讯作者 ：引言以无人机为载体的低空遥感探测是近几年迅猛发展起来的主要对地观测技术之一，应用领域从早期军用扩展到商用、民用市场。与传统卫星、航空摄影测量相比，低空无人机获取数据具备灵活、便捷、快速、高分辨率等优势，已经成为了目前主要的低空遥感平台。传统摄影测量是对同一目标进行拍摄，依靠影像重叠度提取特征点进行影像匹配，最后通过相机标定参数解算同名点的三维空间坐标。低空无人机摄影测量技术由于获取影像数据大、分辨率高，如何高效快速生成高精度的数据已经成为目前研究的热点问题。近年来，由于计算机视觉与传统摄影测量技术的融合发展，带来了运动恢复结构（，）这一新型的地形测量技术，可以让人们以最低的成本获得关于地貌高质量的密集三维点云。尤其在近景三维场景重建中，该算法仅需要目标物影像照片，就可以快速获取高质量的三维地形数据，而对相机标定参数、影像尺寸等没有要求，所以该方法已经被应用到多个地学研究领域中。虽然基于 方法已经有了很多应用案例，例如：河道内地貌形态特征的快速变化检测，地貌制图，滑坡监测等。但是基于 方法的数据成果综合精度研究不足，阻碍了 方法进一步的推广应用。针对 方法数据成果的综合精度研究，许多国内外学 者 通 常 利 用 激 光 雷 达（，）数据或地面三维激光扫描（，）点 云 与 数 据 进 行 精 度 对 比 分 析。等使用 和 以及基线 数据点对爱尔兰西北部的一段海滩沙丘进行了研究，用来评估不同技术的实用价值及局限性。对地貌类型与数字高程模型（，）的精度、分辨率和差异等进行关联分析，发现传感器的性能在很大程度上取决于被测量的地形，包括起伏度、坡度、植被覆盖、采集分辨率（点密度）和内插方式等都对测量效果和数据质量有明显的影响。等针对不同尺度范围内的三种典型地貌，利用 衍生的数字高程模型直接与使用地面激光扫描获得的类似模型进行比较，试验结果表明，即使对于具有复杂地形和一系列土地覆盖的场地，使用 方法也可以达到分米级的垂直精度。国内李文达 等基于 技术研究了拍摄高度、拍摄角度和照片重叠度对地貌数据的测量精度，以及对区域三维重建模型效果与生成时间的影响。实验结果表明，拍摄角度对结果的水平精度和垂直精度呈现出不同的影响，拍摄角度越垂直于地面，测量结果的水平误差越小，垂直误差越大，反之亦反。甄怀才 等采用 和 种方法获取地表 ，并以 的 为基准，分析了坡度对 的 的高程误差的影响。结果表明，高程误差均随沟壁坡度呈指数增加，侵蚀沟愈活跃，其坡比愈大，高程误差占比愈集中在较大坡度的范围内。综合国内外研究现状而言，作为一种快速而廉价的三维地形测量方法，不管最终产品是三维点云还是栅格，这些研究通常回避植被地表。但是在地表探测应用 时，那些以原始数据（没有栅格化）进行分析，来探 索 成 像 点 云 的 真 三 维 属 性 是 至 关 重 要 的。虽 然 技术已日渐成熟，并涉及到了多个应用领域中。但是，运用 方法获取数据成果的综合精度研究不足。针对 消费级无人机是否具有应用于进行滇中高原山地浅层地表变化检测的技术可能性与精度可靠性，选 择 了 以 云 南 东 川 红 土 地 典 型 坡 耕 地 为 例，基 于重复观测获取试验区影像数据，针对不同地表粗糙度坡耕地，按照地形测量的一般误差分析方法，结合不同的抽样方式，对 重复观测 检测精度实证分析。探讨消费级可重复观测精度误差值，为该类无人机的应用推广提供定量参考及技术支撑。实验部分 试验地点概况选取云南省昆明市东川红土地风景区落霞沟景点范围内开展的 误差分析，落霞沟也称为“陷塘地”，是红土地风景区崇山环抱中凹陷的洼地，其经度 ，纬度为 ，处于云贵高原北部边缘。境内不仅山高谷深，地势陡峻，还以小江流域为界。东侧系，最高峰海拔 ，西侧系，最高峰海拔 ，为“滇中第一峰”。并且，该区还地处世界深大断裂带，地质侵蚀强烈，形成典型的深切割高山。研究区位置图如图示。图研究区位置图 数据获取利用 无人机航测系统完成研究区影像数据采集，该系统主要由无人机飞行平台、飞行控制系统和影像传感器等组成，定位系统采用双备份全球卫星导航系统（，）系统并且支持 动态差分后处理技术，航测作业灵活高效。具体无人机平台参数和相机参数如表示。表 无人机平台和相机参数 无人机平台相机参数机型 型号 机身重量（含桨和电池）像素尺寸 飞行时间 传感器尺寸 最大起飞海拔高度 像元尺寸 最大水平飞行速率 （定位模式）；（姿态模式）镜头焦距 定位系统 视场角（）数据采集过程中，选择对具有不同典型地表类型的同一红土地试验区，采用相同规划航线方案，基于相同航高，执行三次飞行后获取三架次影像数据。具体步骤如下：首先，根据测区实际周边地理环境，交通状况，结合 平台第期 高莎等：典型高原坡耕地的 重复观测 检测精度实证分析对测区进行航线规划。其次，结合航测对象主要面向坡耕地，相对高差较小，故将飞行参数设置为航向与旁向重叠度都为，起飞点高程 ，平均飞行高度 ，本次航测天气条件良好，共采集 张影像，实验区面积为 ，影像平均分辨率为 。研究方法 研究技术框架为了开展利用消费级重复成像进行红土地不同类型浅层地表的 测量变化精度试验分析，确定研究主要技术框架如图所示。其中，核心方法技术运用主要包括以下三方面：基于 的无人机 的构建。基于剖面线的 点抽样及精度分析。基于窗口面的 点集抽样及精度分析。图技术方法流程图 如图所示，首先，重复观测数据采集时，共采集了三 架 次 影 像 数 据，分 别 命 名 为：，和 ，其中，代表航测高度，代表航飞架次数。其次，针对获取的架次影像数据，利用 方法进行 构建，分别为：，和 ，并对其进行场景可视化。然后，结合测区 数据对典型地貌解译并圈定出两类地表粗糙度不同的坡耕地、坡耕地。最后，从剖面线的 点抽样与窗口面的 点集抽样方式，对三架次航测数据 点位误差进行分析。三维模型构建技术测量中，基于 的三维重建是摄影测量与计算机立体视觉恢复研究热点之一，该方法通过事先获取的图片进行特征点的提取，对这些特征点进行匹配，将匹配后的特征点进行三角化，得到稀疏模型，再用 进行稠密化，最后恢复场景的三维模型。与 的结合已经成功运用到了无人机影像处理，可生成高分辨的 与 数据，具体可归纳为三个步骤：（）基于 的几何重建 技术中的多个环节与传统摄影测量的多个环节相似。即通过无人机获取的影像数据，运用尺度不变特征变换（，）等特征提取算法进行特征描述与提取，结合 树模型计算特征点之间的欧式距离并进行匹配，根据匹配点对求解基础矩阵或本质矩阵，然后基于三角形法求解对应物方点的三维坐标，考虑到存在误差，求解之后还需使用 对结果进行优化；该过程就是通过最小化误差函数来求解出最优的相机投影矩阵和三维点坐标，最终得到相机的位置姿态和稀疏三维点云。（）基于 的稠密重建 的稠密重建是基于 的三维重建基础上寻找空间中具有图像一致性的点，对照片中的每个像素点都进行匹配，几乎重建每一个像素点的三维坐标，这样得到点的密集程度可以较接近图像为我们展示出的纹理信息。在多视图照片间，对于拍摄到的相同的三维几何结构部分，存在极线几何约束，如图所示，表示空间中的一点，和为在两张图片中的同一点。由于存在的约束，已知，想要在另一张图片中找到，可以在直线上进行一维 寻找。主要做的就是如何最佳搜索匹配不同相片的同一个点，来实现几何稠密重建，其中，模型构建则是在密集匹配基础上生成的。图 的稠密重建 （）真三维表面 的立体重建真三维立体重建是在 稠密点云重建基础上，基于深度图与立体图像恢复真实三维表面。事实上，稠密重建后的点云可能存在空洞以及遮挡造成局部匹配错误，产生许多与实体模型无关的点云；如果需要达到模型最佳效果需要人机交互，剔除遮挡区域，过滤明显错误点。对于剩余点云，通过 三角剖分，获取一组包含三维图中每一个顶点的均匀三角网，最后，每个剖分三角网将会对应原图像中的一部分，以面元形式映射到对应的 三角面元上，实现纹理拼贴。点位误差分析根据地形测量的一般误差分析方法，点位误差分析的精度评定主要指在同一测站，不同时刻测量同一目标时，衡量多期数据间的精度指标以保证多期或多架次观测数据成果的正确性，评定标准主要取决于不同架次数据间的相互吻合性。精度主要通过各维度点位中误差进行验证 ，具体如式（）所示。，（）式（）中，为维度方向的点位中误差，为维度方向的点位中误差，为维度方向的点位中误差，为点位的平面中误差值，为 点位误差值。光谱学与光谱分析第 卷本次 点位误差分析试验研究时，首先，以测区 数据为基础，结合野外调查与 高分辨率影像的纹理信息，分别解译圈定出地表粗糙度不同的两类微地貌。其次，在圈定的两类坡耕地中结合等高线趋势，选取高程较为接近的两条带状剖面，基于剖面线等间距进行 点抽样，通过上述公式计算各维度点位中误差后进行精度分析。最后，在两类坡耕地类型中，分别选取三个的窗口面进行 点集抽样，计算不同架次 中的各窗口内抽样点集的平面坐标均值和高程坐标均值统计处理，并同理利用上述公式计算其点位中误差值。结果与讨论 场景可视化及典型坡耕地确定基于无人机成像处理获取 ，通过不同 场景可视化如图所示。图（）为 高程渲染，该渲染模式下可以得到测区范围内地形大致变化情况，经分析得出，测区高程范围在 之间，相对高差为 ，并且高程呈现出自西向东梯级递减趋势。图（）为 纹理映射，该渲染模式下可将无人机遥感影像的 色彩信息映射到了 数据上，使 数据不仅具有精确的位置信息还能具备清晰的纹理信息，从图（）可以清晰看出，测区范围内存在裸土地、裸岩地、耕作地等地类，除耕作地之外植被覆盖率较高，并且测区中部存在一条冲沟。结合测区 数据，分别圈定粗糙度不同的两块坡耕地、，如图（）所示，类坡耕地无地表覆被，地表粗糙度小，地表平均高程 。类坡耕地有地表覆被，地表粗糙度大，地表平均高程 。两坡耕地相对高程差值为。图可视化分析（）：高程渲染；（）：纹理映射；（）：倾斜模型 （）：；（）：；（）：基于剖面线的典型坡耕地 点抽样及精度分析基于剖面线的 点抽样如图所示，首先进行剖面线的确定，结合等高线区域走势，在坡耕地，坡耕地中分别构建 ，两条剖面线，从剖面线 ，分析可得出，剖面线 呈现光滑曲线，反映该区地表粗糙度较小。其中，最小高程为 ，最大高程为 ，高程差值为 。通过剖面线走势，不难发现在，在距离 间距，高程呈现逐渐递增趋势，结合 与 分析得出，该区域呈现高程递增是由于该片区属于坡耕地形，人工平整不均匀造成区域坡度相对较大。剖面线 呈现许图剖面线示意图 第期 高莎等：典型高原坡耕地的 重复观测 检测精度实证分析多峰值，反映该区高程波动大，地表粗糙度高。其中，最小高程为 ，最大高程为 ，高程差值为 。通过剖面线走势，可以发现该坡耕地从西南至东北方向高程呈现逐渐递减少趋势。进行 点抽样选取时，以 ，和 为基础数据，沿剖面线 ，按 等间距分别采样 个 点作为样本值。构建误差方程，通过式（），计算个方向误差值如表所示。表抽样 点精度分析表 地类各方向误差?由表可知，针对两类坡耕地，从单维度数据点位误差分析得出，类 坡 耕 地维 度 方 向 点 位 误 差 最 大 值 为 ，维度方向点位误差最大值为 ，维度方向点位误差最大值为 ；类坡耕地维度方向点位误差最大值为 ，维度方向点位误差最大值为 ，维度方向点位误差最大值为 。从多维度数据点位误差分析得出，类坡耕地平面点位误差与 点位误差最大值分别为 和 ；类坡耕地平面点位误差与 点位误差最大值分别为 和 ；对比平面点位误差与 点位误差均值，发现坡耕地误差均值大于坡耕地误差均值。通过综合分析得出以下结论：从维度误差分析得出，两类坡耕地的平面误差值均在厘米级，高程点位误差最大值达到 ，出现类坡耕地的 中，其余大部分点位高程误差值均在 以下；结合两类坡耕地点位误差值分析得出，坡耕地误差点位误差大于坡耕地误差，造成该现象是由于坡耕地有植被覆被，地表粗糙高，导致高程采样出现误差。对于数据误差而言，数据误差最大值基本出现在 中，可得出在进行第二架次数据扫描时可能由于无人机图像采集过程中风力、风向、光照度等因素对采集图像质量造成一定的影响，出现测量粗差。基于窗口面的典型坡耕地 点集抽样及精度分析结合 解译圈定出的两类地表粗糙度不同的坡耕地、坡耕地，分别在两类坡耕地中以的窗口面对 数据进行 点集抽样，抽样窗口分布如图所示。其中 窗口面 点集，无地表覆被；窗口面 点集，存在地表覆被，地面粗糙度较大。分别对 ，抽样窗口提取 点集，进而对相应 点集进行平均化统计处理而得出 点集点位偏离度结果如表所列，再利用点位误差分析的精度测算公式计算出 点集中误差。通过表计算，对不同坡耕地采用窗口抽样 点集计算其点位误差分析得出，和三维度方向点位误差最大值出现在 类坡耕地的 中，误差值分别为 ，和 。从多维度数据点位误差分析得出，针对两类坡耕地，平面误差与 点位误差最大值出现在 类坡耕地的 中，平面点位误差最大值为 ，点位误差最大值为 。对比 点位误差均值，发现坡耕地误差均值大于坡耕地误差均值。图地貌分类与抽样面选取 综合分析发现，垂直方向精度明显低于水平方向精度，平均误差值呈现倍关系，并且平面精度、高程精度均能够达到厘米级别。结合坡耕地类型抽样精度对比分析，垂直精度与 点位误差精度均为，可得出地表粗糙度对 数据精度存在影响，地表覆被越少，数据精度越高，反之，越低。光谱学与光谱分析第 卷表 窗口抽样 点集精度分析表 地类各方向误差?注：均值求解时，取绝对值之和求平均 ：，结论利用 消费级无人机进行数据采集，以 航高进行重复测量，结合 方法获取试验区的 数据与 数据。结合测区 数据，分别圈定粗糙度不同的两块坡耕地和，并以 数据为基础，基于剖面线的 点抽样与窗口面的 点集抽样，按照地形测量的一般误差分析方法，计算其重复观测 点位误差，得出以下结论：试验结果表明，该类无人机重复观测获取数据的平面误差与垂直误差能够达到厘米级。针对不 同 地 表 粗 糙 度，无 植 被 覆 被 坡 耕 地 平 面 误 差 均 值 为 ，点误差均值为 ，有植被覆被坡耕地平面误差均值为 ，点位误差均值为 。平面粗差与垂直误差精度呈现倍变换关系。综合剖面线的 点抽样与窗口面的 点集抽样精度评定结果分析，地表粗糙度对无人机数据垂直精度影像较大，平面精度次之。并且垂直精度误差明显大于平面精度误差。无人机可以方便灵活地用于坡耕地浅层地表摄影测量，并利用 构建 场景，但根据本试验研究表明，对于使用 重复观测进行坡耕地水土流失或地表变换的精准监测，平面点位变换精度达到厘米级。针对垂直位移缓慢方向的流失沉降与堆积变化检测只能发生在在 以上才有可能通过探测得到。由此可以推理出利用对不同时间序列上地表形态变化的检测应用更主要适用于地表发生了明显灾变状况下的监测或者对长时间序列上发生 以上的沉降或抬升变化。试验研究过程中主要从野外数据获取角度出发，进行的可重复观测。虽然通过实证试验得出了可重复观测获取的 数据精度平面精度与垂直精度可达到厘米级。但是仍然还存在一些问题与不足有待深化探讨。例如：数据源单一，对多类型数据（建设用地、林地等）综合分析是今后研究的一个重点方向，还能更好体现观测技术的实用性；试验误差因素可由单角度扩展到多角度，如不同航高、不同坡度、不同角度等。，（张纯斌，杨胜天，赵长森，等）（遥感学报），（）：，（）：，（覃超，郑粉莉，徐锡蒙，等）（农业机械学报），（）：，（）：，（）：，（）：，：，：，（）：，：，：，（李文达，闫启明，张尚弘，等）（应用基础与工程科学学报），（）：，（甄怀才，张兴义，杨薇，等）（水土保持第期 高莎等：典型高原坡耕地的 重复观测 检测精度实证分析学报），（）：，（李东江，杨维，于超，等）（中国矿业大学学报），（）：，（孔嘉旭，谷天峰，孙萍萍，等）（干旱区资源与环境），（）：，（蒋广鑫，谢元礼，高志远，等）（水土保持研究），（）：，：（），（），；（，；，）光谱学与光谱分析第 卷